Практичные способы экономить рабочее время с помощью AI | Автор: Мария Литвинова
Когда я впервые поймала себя на мысли «кажется, AI экономит мне не часы, а дни», это был совсем не эффектный кейс из презентаций, а очень прозаичная история. Мне принёс запрос один эксперт из маркетинга крупной российской компании: нужно быстро обновить серию материалов, адаптировать под новые требования, свериться с продуктом, продумать структуру, согласовать формулировки для юристов. В условиях, когда в России рынок меняется каждые пару месяцев, такие задачи становятся нормой, а не исключением. Он честно сказал: «Я это обычно делаю сам, но уходит минимум неделя плотной работы». Я предложила подключить ИИ как напарника и сразу предупредила: чудес не будет, будут итерации и рутина, только в другом виде. В этой статье разберём, как происходит момент, когда понимаешь: нейросеть экономит уже не несколько часов в день, а целые рабочие недели. И почему для российских специалистов это особенно актуально сейчас, когда времени на раскачку просто нет.
Я часто слышу одно и то же: «Я пробовал ChatGPT, но он врет, стилем промахивается, да и экономия сомнительная, пока объяснишь ему задачу — сам уже всё сделаешь». Частично это справедливо, особенно если подходить к ИИ как к поиску «волшебной кнопки». Но если смотреть на него как на умного, но слегка рассеянного стажера, картинка меняется. С тем экспертом из отдела маркетинга мы начали именно с этого — я предложила выстроить процесс так, будто мы берём помощника на испытательный срок, а не приглашаем гения, который всё знает лучше нас. На первых итерациях нейросеть и правда выглядела слабовато, давала шаблонные тексты и путала терминологию. Я сама немного ворчала, правя абзацы по десять раз (в какой-то момент даже подумала, что проще самой переписать), но решила дожать до системного решения.
Через пару дней стало ясно: единичные запросы «сгенерируй текст» мало что меняют. Важен набор типовых сценариев, которые повторяются каждую неделю или месяц. Важна подготовка материалов, понятные промпты и, честно говоря, привычка проверять то, что делает модель, не по диагонали, а внимательно. Тот самый маркетолог в микросюжете выше хотел «экономить время», но по факту ему нужна была предсказуемая, воспроизводимая схема: в какой момент подключать ИИ, что отдавать на автоматизацию, а что оставлять себе. Об этом и пойдет речь дальше: не про волшебство, а про очень конкретные моменты, когда становится видно — да, здесь я срезаю не два часа, а три дня.
Когда AI реально экономит дни, а не часы?
Если коротко, AI экономит дни тогда, когда он берёт на себя целостные блоки работы, а не отдельные тексты или картинки. Единичная генерация поста в соцсетях экономит час максимум, а вот автоматизация целого цикла подготовки материалов под запуск продукта может убрать из календаря три-четыре рабочих дня. Я заметила, что ключевой признак «экономии днями» — это количество контекста, который вы один раз загрузили в модель и потом многократно переиспользуете. Чем больше этот контекст и чем дольше живёт задача, тем ощутимее тот самый эффект.
Чуть понятнее это видно, когда разделяешь работу на уровни. На верхнем уровне — проект: например, подготовка кампании, блог-постов, методичек или аналитического обзора рынка России по вашей нише. Внутри проекта десятки мелких задач: структурирование, черновики, адаптация под разные форматы, перепроверка формулировок. Если вы подключаете ИИ к каждой такой задаче по отдельности, не связывая их общим контекстом, экономия будет слабой. Если же вы один раз загружаете данные, описываете цель, целевую аудиторию, ограничения по российскому законодательству, форматы материалов, а потом просите модель поочередно решать задачи уже в этих рамках, объем сэкономленного времени растет лавинообразно.
Здесь полезно зафиксировать критерии, по которым я для себя отличаю «экономию часа» от «экономии дня».
- Правило: если вы объясняете задачу заново каждый раз — это про часы, а не про дни.
- Правило: если результат ИИ нужно править дольше, чем писать с нуля, — экономии почти нет.
- Правило: если выход один (одна статья, одна презентация), выгода ограничена одним слотом времени.
- Правило: если подготовленный контекст даёт десятки выходов (серия писем, лендинги, методички), начинается экономия именно днями.
- Правило: если в проекте есть жесткий российский контур — регуляторика, юристы, локальные требования — ИИ выгоден там, где можно стандартизировать шаблоны.
Это означает, что само по себе использование нейросети ещё ничего не гарантирует. Важно, на каком уровне вы её применяете: на уровне одной заметки или на уровне целой системы контента для отдела или компании. Тогда и рождается то самое ощущение «я только один раз настроила, а теперь каждый месяц экономлю по три-четыре дня без дополнительных усилий».
Как понять, что задача дозрела до экономии «днями», а не «часами»?
На практике я сначала смотрю на три вещи: повторяемость задачи, объем ручных действий и требования к точности. Если вы каждый месяц готовите отчёт по рынку, отвечаете на типовые клиентские вопросы или обновляете презентации для российских партнёров, задача уже повторяется. Если внутри неё много операционки — собрать данные, переложить их в таблицы, накидать черновики писем, размножить один текст под 5-6 форматов — это хороший кандидат. Если при этом финальную проверку всё равно делает человек, а значит, можно допустить небольшие неточности на промежуточных шагах, ИИ вообще в своей тарелке.
Я однажды попыталась автоматизировать сложный юридический документ «под ключ» (забудь, что я только что сказала — вот как делать точно не стоит), и стало ясно: там требования к точности такие, что на проверку я трачу больше, чем сэкономила бы на черновиках. Зато та же нейросеть прекрасно справилась с подготовкой сопроводительных материалов: коротких пояснений для менеджеров, чек-листов для клиентов, текстов писем. В этих зонах нет смысла ожидать стопроцентной точности, там главная ценность — скорость и единый стиль.
Перед тем как бросаться переписывать процессы, я люблю задать себе серию вопросов и честно ответить, не приукрашая ситуацию. Это звучит как внутренний диалог:
Есть ли тут повторяющаяся структура задачи, которой можно научить ИИ один раз? Если да, смогу ли я описать её так, чтобы другой человек (или модель) понял без созвона на час? И буду ли я делать это регулярно, а не один раз «для красивого кейса»?
Получается, что эффект «экономии днями» не появляется внезапно. Он вырастает из накопленного контекста, продуманной структуры и готовности потратить немного больше времени в начале, чтобы потом действительно убирать из календаря целые дни, а не только сглаживать острые углы в расписании.
Как выстроить работу с ИИ, чтобы он забирал на себя целые блоки?
Возвращаясь к той ситуации из начала: маркетологу нужно было обновить серию материалов, и казалось, что проще всё сделать по старинке. Мы разложили его задачку на блоки и поняли, что ключ к экономии не в скорости генерации текста, а в том, чтобы один раз нормально сформулировать требования и не держать их только в голове. Я предложила завести отдельный «контекстный документ» — файл, где прописано всё: кто целевая аудитория в России, какие термины допустимы, какие нет, какие три стиля текста приемлемы для компании, какие фразы юристы просят не использовать. Этот документ мы отдали ИИ в начале диалога и договорились в него возвращаться, а не пересказывать по кругу.
Дальше мы описали цель: не просто «сделать новые тексты», а обновить линейку материалов для трёх сегментов клиентов, соблюдая структуру и тон. В промпте я прямо перечислила: сначала попроси модель пересказать своими словами задачу, чтобы проверить понимание, потом предложи структуру работы, и только после этого переходи к генерации черновиков. Да, это звучит слегка занудно, но именно эта занудность в начале сэкономила кучу времени дальше. Уже на втором блоке материалов мы не тратили по полдня на объяснения — нейросеть держала в памяти общий контекст и стиль.
Чтобы это было не абстрактно, приведу схему, как я обычно описываю такой «рабочий договор» с ИИ текстом. Это не универсальная панацея, но опорные пункты полезны.
- Опиши роль модели: «ты помощник маркетолога в российской B2B-компании, твоя задача — ускорять подготовку материалов, не принимая финальных решений».
- Зафиксируй ограничения: «учитывай законы РФ, не используй агрессивные обещания, не придумывай цифры, если я не дала данные».
- Собери контекст: аудитория, продукты, примеры удачных и неудачных текстов, комментарии юристов.
- Задай формат работы: «сначала перескажи задачу, потом предложи план, потом делаем черновики с учётом моих правок».
- Пропиши критерии качества: читабельность, отсутствие штампов, выдержанный тон, проверяемость фактов.
Это критично, потому что такой «контракт» один раз формализует ваши ожидания и снимает массу микрокоммуникации далее. Вместо того чтобы каждый раз говорить: «нет, это слишком рекламно», вы один раз фиксируете, что такое «слишком рекламно» для вашей компании, и дальше ссылаетесь на это описание. Кстати, в этом месте многие устают и бросают, хотя именно тут закладывается фундамент будущей экономии дней, а не часов.
Как промпт превращается из инструкции в процесс (и где тут противоречия)
Я заметила, что сильный сдвиг происходит, когда вы перестаёте воспринимать промпт как разовый «вброс текста», а начинаете относиться к нему как к описанию процесса работы. Не «сделай мне текст», а «мы работаем так: шаг один, шаг два, шаг три». На удивление, модели это понимают, если говорить достаточно конкретно. Я обычно в первом промпте сразу описываю желаемый цикл итераций: ты генерируешь три варианта, я выбираю один, мы дорабатываем, потом ты на основе лучшего делаешь адаптации под другие форматы. И добавляю: «не придумывай новые идеи сегментов без моего запроса» (нет, подожди, есть нюанс — иногда я прошу как раз нагенерировать новые сегменты рынка, но это другой режим работы).
Многие стесняются задавать модели такие рамки, кажется странным объяснять машине «как мы тут работаем». Я на это смотрю проще: если бы ко мне пришел стажёр, я бы потратила пару часов на объяснение процесса и ожиданий. Здесь ровно то же самое, просто стажёр виртуальный. В одной из задач мы с клиентом честно проговорили даже формат комментариев: я попросила модель на каждом шаге задавать уточняющие вопросы, если ей чего-то не хватает, а не додумывать. Да, иногда она всё равно додумывала, но частота таких промахов заметно снизилась, и в результате правки занимали меньше времени.
Чтобы было понятно, как может выглядеть такой процессный промпт, я часто использую короткую формулу, вокруг которой дальше наращиваю детали.
Сначала уточни задачу в 3-5 вопросах, затем предложи план работы в 3 шагах, потом сгенерируй черновик по плану. Не переходи к следующему шагу, пока я не дам обратную связь по предыдущему.
Это звучит чуть бюрократично, но даёт нужный эффект: вместо одной длинной «простыни» на выходе вы получаете управляемый процесс, который можно подкрутить на каждом этапе. И именно так промпт перестаёт быть разовой инструкцией, а становится описанием повторяемого процесса, который вы будете использовать снова и снова, экономя не вечера, а целые рабочие дни.
Где ИИ реально спасает недели: мой опыт без глянца
В какой момент я сама почувствовала, что AI экономит мне не часы, а дни? Это случилось, когда я перестала использовать нейросети только «по настроению» и перевела в этот режим несколько тяжёлых, но предсказуемых задач. Например, подготовку обучающих материалов для российских специалистов по ИИ, обновление презентаций под разные аудитории и структурирование обратной связи от клиентов. Эти штуки не выглядят эффектно для кейсов, зато съедают недели, если делать их вручную. Как только я перевела их в режим полуавтоматической сборки с ИИ как редактором и ассистентом, в календаре начали появляться свободные окна по полдня — и да, было даже немного не по себе.
Самый показательный случай был, когда нужно было сделать серию мини-курсов для нескольких групп: маркетологи, владельцы продуктов, внутренние консультанты по ИИ. Структура похожа, но язык, акценты, примеры разные. Раньше я бы писала каждый с нуля, правя под аудиторию. В этот раз я построила «скелет» курса вместе с моделью: описала, что должно быть на каждом уровне, какие российские сервисы и кейсы использовать, какие страхи у каждой аудитории. Потом мы по этому «скелету» сгенерировали блоки, и я уже руками дорабатывала, убирая лишнюю теорию и добавляя живые детали. Вся серия заняла у меня около недели, хотя в прошлые годы на аналогичный объём уходило две-три.
Здесь играет роль ещё один момент — эмоциональная нагрузка. То, что раньше казалось тяжёлой, растянутой задачей, стало напоминать монтаж из заготовленных фрагментов. Усталость от «старта с нуля» уменьшилась, и это тоже своего рода экономия, просто не в часах, а в сохранённых ресурсах. ИИ берет на себя скучный, повторяющийся кусок работы: развернуть план в черновик, адаптировать стиль, переписать одно и то же под разные форматы. А у меня появляется пространство подумать о содержании, а не о том, как начать первый абзац в десятый раз.
Чтобы не превратить это в красивую легенду, я всегда проговариваю ограничения. В сложных проектах приходится закладывать время на «обучение» модели, на проверку каждой гипотезы. Иногда ИИ неожиданно заваливает простую задачу, и ты садишься и пишешь текст сам — такое тоже бывает. Но в среднем, на дистанции в несколько месяцев, суммарный выигрыш в днях становится очевиден. Просто он не выглядит праздником, это скорее тихое смещение: ещё вчера ты откладывал какой-то проект, а сегодня спокойно до него добираешься и не ночуешь за ноутбуком.
Чтобы показать, где именно рождается этот выигрыш, приведу короткую, но честную цитату из переписки с одним из клиентов, который долго сомневался, стоит ли ему вкладываться во всё это.
«Мария, я понял, что раньше мне казалось, что я экономлю время, когда ИИ помогает написать письмо за 10 минут вместо 40. Сейчас понимаю, что настоящее отличие в том, что я наконец добрался до тех штук, которые откладывал по полгода»
Получается, что реальная экономия «днями» проявляется не в отдельной сессии чата, а в том, как меняется ваш календарь в течение месяца. Если через пару месяцев у вас появляется возможность взять ещё один проект или наконец заняться тем, что давно висит в списке «когда-нибудь», значит, процесс выстроен, и ИИ действительно сдвинул нагрузку, а не просто ускорил пару писем.
Как я обожглась на неверной оценке «экономии» (и чему это меня научило)
Один из самых болезненных моментов был, когда я согласилась помочь команде автоматизировать подготовку аналитических обзоров по узкой отрасли. Им обещали, что ИИ «сделает всё». Задача казалась идеальной: много повторяющихся структур, регулярные выпуски, понятный формат. На словах — мечта. На практикеоказалось, что доступных в России источников по этой отрасли мало, часть закрыта, часть не обновляется, а внутренняя экспертиза команды почти не была формализована. Модель пыталась подставлять общие фразы, иногда аккуратно фантазировала цифры (хотя её просили так не делать), а на проверку одного выпуска уходило больше времени, чем раньше на написание с нуля.
Я сначала подумала, что дело в промпте, и честно потратила несколько вечеров на переформулировки. Мы описывали шаги, разбивали задачи, просили модель сначала собирать только фактуру, потом структурировать, потом писать выводы. Где-то это помогло, но не настолько, как хотелось бы. В какой-то момент пришлось признать: без нормальной базы данных, без доступа к актуальным российским исследованиям и без того, чтобы эксперты команды сели и описали свои подходы, ИИ здесь становится не экономией, а дополнительной прослойкой. Так что да, забегая вперёд, «экономия днями» тут не случилась.
Самое неприятное было сказать это вслух: «ребята, нейросеть вам сейчас не экономит дни, она забирает их». Но именно этот опыт стал для меня важным фильтром. Я теперь задаю больше уточняющих вопросов в начале: есть ли у вас данные, готовы ли вы поделиться внутренними материалами, кто в компании возьмёт на себя роль «редактора истины». Без этого любые обещания про экономию — просто маркетинговый шум. И здесь я сама себе напомнила то, о чём говорю другим: ИИ — не источник знаний, а инструмент работы с тем, что уже есть в вашей системе.
Чтобы чуть структурировать уроки из этой истории, я держу в голове несколько маркеров, по которым можно заранее понять, что проект с большой вероятностью сгорит в правках.
Если в компании нет описанных процессов и баз знаний, ИИ в сложных экспертных задачах будет создавать больше вопросов, чем решений.
Это означает, что иногда честнее отложить внедрение ИИ в конкретный сегмент работы до тех пор, пока у вас не появится хотя бы минимальная формализация экспертизы. Зато там, где такие заготовки уже есть, где накоплены кейсы, регламенты, прошлые материалы, ИИ начинает работать почти как усилитель, вытаскивая из архива то, до чего у людей просто не доходили руки.
Что работает на деле для российских специалистов, а что лучше не трогать
Помнишь про ситуацию из начала? Тот самый маркетолог с задачей по обновлению материалов в итоге как раз прошёл весь путь — от скепсиса до устойчивого ощущения «я больше не утопаю каждую неделю в одних и тех же правках». Но не потому, что мы нашли идеальный промпт, а потому что выделили зоны, где ИИ действительно полезен, и честно оставили человеку то, с чем модель справляется хуже. В российских реалиях это особенно заметно: есть куча нюансов по рекламе, по законодательству, по восприятию текста в конкретных регионах. Игнорировать это нельзя, а вот использовать нейросети для черновой работы с контентом, для адаптаций и стандартизации — вполне реалистично.
Для специалистов в России сейчас особенно перспективны несколько направлений. Первое — создание и обновление внутренних баз знаний: ИИ отлично помогает структурировать, переписывать в более понятной форме, искать пересечения. Второе — подготовка черновиков документов, инструкций, писем, которые затем дорабатывают юристы или руководители. Третье — переработка уже существующих материалов под разные форматы: презентации, методички, статьи, короткие заметки. Во всех этих зонах экономия меряется уже не часами, а днями, особенно если объём задач стабильный.
Чтобы не раствориться в общих словах, я люблю фиксировать несколько «рабочих связок» — сочетаний задач и инструментов, которые стабильно дают результат для моих клиентов и коллег.
Типичный тандем: человек формулирует цель и ограничения, ИИ собирает и структурирует черновики, человек проводит финальную вычитку и принимает решения.
Получается, что настоящий эффект дают не разовые эксперименты «попросил — сгенерировало», а последовательное выстраивание таких тандемов под конкретные процессы: маркетинг, обучение, внутренние коммуникации, клиентская поддержка. И тут как раз нет необходимости бежать за самыми модными инструментами: часто достаточно связки из пары надёжных моделей, привычных сервисов и понятного процесса.
Кейс с продолжением: как один эксперт перестал «жить в правках» и начал экономить недели
Возвращаясь ко второму акту той истории из начала: мы с тем экспертом из отдела маркетинга договорились, что проведём эксперимент на одном квартале. Задача — обновить всю линейку материалов для трёх сегментов российских клиентов, включая тексты на сайт, письма, презентации и FAQ для менеджеров. Раньше на такой объём у него уходило около трёх недель с учётом правок в одиночку, потому что параллельно ведь ещё текущие дела. В этот раз мы сделали по-другому: он описал мне процессы, я настроила «рабочий диалог» с ИИ по схеме, о которой писала выше, и мы строго придерживались его, не срываясь в режим «ладно, сейчас сам допишу».
Сначала ИИ помог собрать и переписать под единый стиль все старые материалы. Потом мы вместе с моделью разложили их по сегментам: где какие боли, какие аргументы заходят, какие слова лучше не использовать. Далее по плану модель делала черновики для каждого сегмента, а мой клиент уже точечно дорабатывал, добавляя узнаваемые истории и нюансы рынка. На третьем цикле правок мы поймали важный момент: большую часть комментариев он начал давать прямо в диалоге с ИИ, и модель подхватывала паттерны, автоматически избегая старых ошибок. Да, приходилось напоминать ей о некоторых российских реалиях (особенно в части таргетинга и ограничений), но эта часть тоже постепенно стабилизировалась.
По итогам квартала мы посчитали время. Вместо трёх растянутых недель у него ушло около восьми полных рабочих дней на весь массив материалов, включая все согласования. Чистая экономия — примерно семь рабочих дней, почти полторы недели. Но самое интересное было в другом: освободившееся время он потратил не на то, чтобы взять ещё кусок рутинной работы, а на исследование новых каналов продвижения и тестирование идей, до которых «никогда не доходили руки». И да, когда он сказал в чате: «Мария, я впервые за год закрыл квартал без ночных авралов», это был тот самый момент, когда я снова подумала: ради таких цифр и стоит возиться с промптами и контекстом.
Чтобы не идеализировать, отмечу и обратную сторону. Не каждый проект даёт такой же эффект, и не каждый специалист готов выдержать начальную стадию, когда кажется, что на отладку ИИ уходит слишком много времени. Иногда проще действительно «сделать самому и забыть». Но для устойчивых, повторяющихся задач, с которыми вы живёте месяцами и годами, цена входа окупается. Там, где удалось один раз выстроить связку «человек — ИИ — процесс», экономия потом копится почти незаметно, и в какой-то момент вы обнаруживаете, что календарь стал чуть свободнее, а список «когда-нибудь» начал реально сокращаться.
В эти моменты особенно отчётливо понимаешь: ИИ экономит не только часы, которые можно измерить таймером, а целые куски профессиональной жизни, которые раньше уходили в бесконечные правки и переписывания.
И это уже не про хайп, а про очень земные вещи: меньше авралов, больше пространства на стратегию и эксперименты, чуть больше контроля над своим временем, даже если работаешь в меняющейся российской реальности, где предсказуемости меньше, чем хотелось бы.
Что ещё важно знать
Когда разговор доходит до практики, у людей появляются повторяющиеся вопросы — их я постоянно слышу и в личных консультациях, и в обсуждениях в чате. Ниже собрала несколько типичных, чтобы не оставлять ощущение недосказанности…
Вопрос: Можно ли полностью доверить ИИ подготовку экспертиз и аналитики?
Ответ: Я бы не стала, особенно в российских реалиях с быстро меняющимися правилами и источниками. ИИ хорош как ускоритель: он помогает структурировать данные, подсветить связи, предложить формулировки, но финальная интерпретация и выводы остаются за экспертом. Там, где ставка высока — решения по продукту, юридические риски, деньги клиентов — ответственность у человека.
Вопрос: Как часто имеет смысл пересматривать свои промпты и процессы работы с ИИ?
Ответ: На практике я пересматриваю основные промпты раз в пару месяцев или когда меняется задача. Если результаты стабильны и устраивают, трогать ничего не нужно. Если ощущаете, что снова начали много править руками или модель стала давать больше неточностей, это сигнал обновить формулировки и добавить свежий контекст.
Вопрос: Что делать, если ИИ постоянно «фантазирует» и придумывает несуществующие факты?
Ответ: Во-первых, прямо прописать в промпте запрет на выдумывание данных и попросить модель помечать места, где информации не хватает. Во-вторых, по возможности подгружать свои материалы: отчёты, базы, документы, чтобы модель работала с вашим полем. И в-третьих, закладывать время на фактчекинг, особенно если материалы выходят наружу или ложатся в основу важных решений.
Вопрос: Можно ли использовать ИИ для генерации юридических или финансовых документов в России?
Ответ: Я использую ИИ в этих зонах только для черновиков и сопроводительных материалов. Для официальных документов в российском правовом поле всё равно нужен профильный специалист, который проверит формулировки, актуальность норм и нюансы. Нейросеть помогает ускорить подготовку, но не заменяет профессиональную ответственность юриста или финансиста.
Вопрос: С чего начать, если раньше я пользовалась ИИ только для разовых текстов и не чувствую экономии «днями»?
Ответ: Я бы выбрала одну повторяющуюся задачу на месяц-два и попробовала выстроить под неё устойчивый процесс с ИИ: описать контекст, ограничения, формат работы и выдержать несколько циклов. Не распыляйтесь на всё подряд, иначе эффект размажется. Как только в одной зоне появится предсказуемый результат, можно перенести этот опыт на другие задачи.
Куда двигаться дальше, если хочется не теории, а практики
Если читать такие тексты и кивать — это одно, а вот перенести всё описанное в свою реальность, с её задачами, дедлайнами и внутренними процессами — совсем другое. Для тех, кто хочет разбираться дальше и нащупывать свои связки «человек — ИИ» без пафоса и иллюзий, я приглашаю заглянуть в мой телеграм-канал «ИИ без истерики». Там я в живом режиме разбираю кейсы, показываю реальные промпты, делюсь наблюдениями, где ИИ реально экономит дни, а где только создаёт видимость активности 🙂
Если ощущаешь, что уже наигрался в разовые «сгенерируй текст» и хочется перейти к более системной работе, можно начать с малого: выбрать одну скучную, но регулярную задачу и попробовать встроить в неё ИИ как напарника. В канале я как раз показываю, как это делаю сама: с российскими сервисами, с учётом локальных ограничений и без иллюзий про всемогущество моделей. Там нет агрессивных призывов и марафонов, только спокойная практика и обсуждения с теми, кто тоже хочет не просто «юзать нейросеть», а выстраивать с ней рабочие отношения. Если тебе близок такой подход — присоединяйся и бери из него то, что откликается.